pcd点云去噪代码

点云去噪是点云处理中比较常见的任务之一，有很多算法可以实现点云去噪。这里介绍一种基于统计学方法的点云去噪算法——统计滤波器（Statistical Outlier Removal，SOR）。

SOR算法基于点云中点的邻域统计信息来判断点是否为离群点（outlier）。具体来说，对于每个点，算法会计算该点与其邻域点的统计信息，例如平均值和标准差，然后根据一个阈值判断该点是否为离群点，并将其从点云中删除。

以下是使用PCL库实现SOR算法的代码示例：

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/statistical_outlier_removal.h>

int main(int argc, char** argv)
{
    // 读入点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::io::loadPCDFile("input_cloud.pcd", *cloud);

    // 创建SOR滤波器对象
    pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
    sor.setInputCloud(cloud);
    sor.setMeanK(50);  // 设置邻域点个数
    sor.setStddevMulThresh(1.0);  // 设置标准差倍数阈值
    sor.filter(*cloud);  // 执行滤波

    // 保存去噪后的点云数据
    pcl::io::savePCDFile("output_cloud.pcd", *cloud);

    return 0;
}

在上述代码中，我们首先读入了点云数据，并创建了一个`pcl::StatisticalOutlierRemoval`对象。接着，我们通过`sor.setMeanK()`和`sor.setStddevMulThresh()`方法分别设置了邻域点个数和标准差倍数阈值。最后，我们通过`sor.filter()`方法执行滤波，并将结果保存到文件中。

需要注意的是，SOR算法可能会删除掉一些非离群点，因此在使用时需要根据具体情况调整阈值。此外，PCL库提供了许多其他的点云去噪算法，可以根据具体需求选择不同的算法。